WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

загрузка...
   Добро пожаловать!

Pages:     | 1 | 2 || 4 |

Известно, что при поиске оптимальных алгоритмов обработки сигнала неизбежно приходится опираться на некоторые статистические модели шумов. Чаще всего при формировании этих моделей используются концепции линейности, стационарности и нормальности. Однако перечисленные принципы далеко не всегда выполняются на практике, а от адекватности выбранной модели в значительной мере зависит качество приема сигнала.

В работе представлены три пути повышения эффективности определения доверительного интервала шума.

Один из путей — использование адаптивных систем. При этом под адаптацией понимается процесс перестройки параметров устройства в соответствии с критерием качества.

Следующий путь повышения эффективности — использование предварительной импульсной фильтрации, которая поможет избежать смещения оценки из-за присутствия аномальных импульсных выбросов и, тем самым, повысить точность.

К другим аномальным выбросам можно отнести и полезный сигнал. Поскольку в процессе разработки метода полезный сигнал остается неизвестным, то наиболее эффективным способом его учета можно считать обратную связь от приемного устройства к алгоритму определения доверительного интервала шума. При такой реализации возможны два способа повышения точности оценки:

  1. Полное игнорирование выборки, в которой присутствует полезный сигнал;
  2. Предварительная буферизация некоторого объема выборки с последующей обработкой и игнорированием лишь той части, в которой присутствует полезный сигнал.

Второй способ представляется более эффективным, при его использовании не игнорируются данные всей выборки при наличии полезного сигнала, стоит заметить, что, он вносит дополнительную задержку в связи с предварительной буферизацией.

На основании ранее полученных результатов определен оптимальный объем выборки, к которому должен стремиться алгоритм. Как было показано в предыдущих главах значение статистической погрешности оценки доверительного интервала тем меньше, чем больше количество отсчетов, по которым он определяется, однако при нестационарности шума динамическая погрешность тем меньше, чем меньше количество этих отсчетов. В этом случае задачей адаптивного алгоритма может быть автоматический выбор такого количества отсчетов для определения интервала, при котором в текущий момент времени наблюдается наименьшая суммарная погрешность (статистическая и динамическая).

Во второй главе показано, что наименьшее необходимое количество отсчетов при доверительной вероятности 0,975 является 120 (при 80 отсчетах результаты имеют достаточно большую погрешность). Ограничение сверху количества отсчетов не приводит к уменьшению статистической погрешности, однако, при отсутствии ограничения объема выборки алгоритм будет медленно адаптироваться к быстрым изменениям шумовой обстановки.

Основная идея разработанного алгоритма адаптации заключается в изменении количества отсчетов для определения интервала при обнаружении «промаха» в оценке, т.е. если при сравнении последнего полученного результата оценки интервала с некоторым количеством предыдущих было определено, что он является промахом, происходит уменьшение количества отсчетов, необходимых для определения последующих интервалов. С другой стороны, если за некоторое время не было зарегистрировано промахов, то происходит увеличение количества отсчетов, необходимых для определения интервала.

Рис. 3. Структурная схема устройства определения доверительного интервала

Общая структурная схема конечного устройства с адаптацией состоит из пяти модулей, изображенных на рис 3.

При такой схеме входной сигнал x поступает на вход импульсного фильтра, который отфильтровывает импульсные выбросы, его выход непосредственно подключен к входу устройства определения доверительного интервала шума (УОИ), данный модуль обладает еще одним входом, на который подается количество отсчетов, по которым определяется интервал, – это число поступает с выхода модуля n. После определения интервала выходной сигнал с модуля УОИ поступает на выход устройства в целом x(i) и на вход устройства выявления промахов (Sx). Выходной сигнал с данного модуля, при условии выявления промаха, поступает на вход модуля n для уменьшения количества отсчетов, необходимых для определения интервала на шаг s, который также хранится в данном модуле. Если же промах не был выявлен, то сигнал поступает на модуль, который служит для определения времени стационарности сигнала, и при таком условии сигнал проходит на модуль n для увеличения количества отсчетов, необходимых для определения интервала, так же на шаг s. Работая по такой схеме, алгоритм обеспечивает адаптацию к нестационарности сигнала.

Для подтверждения результатов работы разработанного алгоритма было использовано математическое моделирование, которое показало, что адаптивный алгоритм стремиться к уменьшению погрешности и к уменьшению времени переходного процесса на всем множестве рассмотренных диапазонов стационарности. Также при помощи имитационного моделирования в работе были найдены необходимые параметры реализации алгоритма адаптации.

Для выявления влияния импульсных наблюдений на оценку интервала распределения шума в работе было произведено математическое моделирование по сценарию, описанному в предыдущей главе. При выборе входных шумов учитывалось, что в реальных условиях отношение амплитуды импульсных шумов к амплитуде шумов другого типа (например, гауссовский белый шум) достигает нескольких раз. Моделирование было произведено с наличием и отсутствием импульсного шума, при сравнении результатов которого были сделаны выводы о влиянии импульсного шума на выходную оценку алгоритма. Импульсный шум представлял собой одиночные импульсы максимальной допустимой амплитуды и вероятностью появления равной 1%. Для моделирования такого шума был использован шум с Пуассоновским распределением и параметром =0,01 (вероятность 1%).

Полученные результаты показали, что импульсный шум вносит смещение в получаемые оценки доверительного интервала и увеличивает их дисперсию.

Известно, что основным средством борьбы с импульсными шумами считается медианная фильтрация. Медианные фильтры достаточно часто применяются на практике, как средство предварительной обработки цифровых данных. Специфической особенностью и основным достоинством таких фильтров является слабая реакция на отсчеты, резко выделяющиеся на фоне соседних, что позволяет применять медианную фильтрацию для устранения аномальных значений в массивах данных. Характерной особенностью медианного фильтра является его нелинейность. Во многих случаях применение медианного фильтра оказывается более эффективным по сравнению с линейными фильтрами, поскольку процедуры линейной обработки являются оптимальными при гауссовом распределении шумов, что не всегда характерно для реальных сигналов.

Достоинства медианных фильтров:

  1. Фильтр хорошо подавляет одиночные импульсные шумы;
  2. Фильтр не изменяет ступенчатые и пилообразные функции при малом размере окна;

К недостаткам медианных фильтров относится слабое подавление белого гауссового шума.

Рис. 4. Плотность вероятности входного шума до и после медианного фильтра

Однако уменьшение количества больших шумовых отклонений от среднего значения шума при использовании медианного фильтра приводит к изменению распределения статистического шума и к определенному подавлению его высокочастотных составляющих, которых больше в «хвостах» шумовых распределений. Как показано на рис. 4 и подробно описано в работе, медианный фильтр сильно изменяет статистическое распределение входного шума, что приводит к неверному определению доверительного интервала входного шума.

Для фильтрации импульсного шума достаточно часто используется и другой распространенный алгоритм – простое скользящее среднее. Основным достоинством этого алгоритма является простота аппаратной и программной реализации. По всем остальным параметрам он существенно уступает медианной фильтрации импульсного шума. Стоит отметить и тот факт, что метод простого скользящего среднего имеет еще более сильное влияние на распределение статистических шумов и плохо подавляет высокочастотные составляющие шума, что говорит о его неэффективности для решения задачи импульсного сглаживания.

В работе предложен фильтр, обладающий сильной реакцией на аномальные отсчеты, но при этом не изменяющий статистическое распределение входного сигнала.

Задача фильтрации импульсных шумов рассмотрена как задача обнаружение импульсного выброса с последующим исправлением искаженных значений амплитуды принимаемого сигнала. Задача обнаружения сформулирована в виде решающего правила, в соответствии с которым, принимается решение о наличии ( =1) или отсутствии ( = 0) импульсного шума в заданный момент времени наблюдения сигнала.

В качестве такого правила выбран метод исключения промахов. В соответствии с этим правилом, вычисляется оценка среднеквадратического отклонения результата измерения по n предыдущим измерениям, далее назначается так называемая граница цензурирования в виде:

|x-|>tp,n-1Sx, (3)

где x – текущий сигнал, tp,n-1 - коэффициент Стьюдента, зависящий от доверительной вероятности P и числа степеней свободы n-1.

После чего все промахи (выбросы) удаляются из дальнейших расчетов.

Таблица 4

Нормальный закон с параметрами mx=40, =12,2

Условия моделирования

M

D

A

E

1. Без импульсного шума

63,51

5,86

2,42

0,18

0,30

2. С импульсным шумом без фильтра

66,43

16,58

4,07

0,91

1,34

3. С импульсным шумом и фильтром

63,38

4,59

2,14

0,16

0,16

При таком подходе фильтрации импульсных помех выходные результаты работы алгоритма определения доверительного интервала шума наиболее точно повторяют результат, не зашумленный импульсными выбросами. В работе приведено сравнение работы алгоритма определения доверительного интервала шума с предварительным импульсным фильтром и без него. В таблице 4 приведены результаты моделирования для нормального закона распределения с параметрами mx=40, =12,2.

В четвертой главе рассмотрена практическая реализация разработанного метода на современной элементной базе. Сделан обзор современного рынка программируемых логических интегральных схем (ПЛИС), DSP-процессоров, микроконтроллеров и микропроцессоров общего назначения. Произведен сравнительный анализ их применения при построении устройства определения доверительного интервала шума.

В работе приведена реализация алгоритма на языке C для микроконтроллеров, расходующая 15 тактов машинного времени на обработку одного отсчета, что позволяет использовать медленные DSP или обрабатывать высокочастотные сигналы на скоростных микропроцессорах. Также, показано, что использование DSP оправдано при необходимости обрабатывать сигнал с частотами дискретизации не более 50 МГц и при хорошем знании архитектуры процессоров.

В качестве альтернативы микропроцессорам, в работе представлена принципиальная схема устройства определения интервала с вероятностью 97,5% по 200 отсчетам. При реализации схемы преследовалась цель создать универсальное устройство, не привязанное к конкретным элементам, т.е. иметь возможность реализации схемы на различной элементной базе. Представленный модуль позволяет обрабатывать один отсчет от АЦП за один тактовый импульс, что позволяет обрабатывать сигналы с частотой дискретизации выше 1 ГГц.

Таблица 5

Максимальные частоты входных сигналов

Тип \ Частота

МК MCS-51

МК ARM7

ЦП Intel CoreDuo

DSP 16бит

DSP 32бит

ПЛИС Xilinx

ПЛИС

Virtex

0,1 МГц

*

*

*

*

*

*

*

1 МГц

*

*

*

*

*

*

10 МГц

*

*

*

*

*

100 МГц

*

*

*

*

1 ГГц

*

В работе показано, что при конечной реализации устройства определения интервала, в который попадает шум с некоторой вероятностью, необходимо руководствоваться двумя составляющими:

Pages:     | 1 | 2 || 4 |






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»